Reuniones con varios idiomas: qué mirar en un transcriptor antes de confundir número de idiomas con identificación por intervención

Cuando un responsable de operaciones con equipos en varios países busca «software para transcribir reuniones en varios idiomas a la vez», la pregunta que importa no es cuántos idiomas figuran en la ficha de producto, sino si la herramienta distingue el idioma de cada persona cuando varias hablan lenguas distintas dentro de la misma llamada. Hemos revisado hoy, 11 de octubre de 2026, las páginas oficiales de seis herramientas del mercado: casi ninguna acompaña su cifra de «idiomas soportados» con la condición de audio, CPU o GPU bajo la que se midió, y al menos una publica números distintos de un mismo dato según la página de su propio sitio en la que aterrice el comprador.

Cuántos idiomas dicen soportar los transcriptores (y en qué condición)

Lo que publican las fichas de producto

Esto es lo que dice hoy la página oficial de cada herramienta:

Datos verificados el 11 de octubre de 2026 en las páginas oficiales citadas en fuentes.

Lo que no publican: audio, CPU o GPU

De las seis fichas, solo Fireflies y Voicit mencionan algo sobre la condición de medición, y ninguna de las dos la detalla del todo. Fireflies reconoce que «la precisión depende de la calidad del audio, los acentos y el ruido de fondo» y recomienda un micrófono de auriculares en un entorno silencioso, pero no dice en qué escenario obtuvo su 99 % en inglés o su 95 % en el resto de idiomas. Voicit es la más explícita y, aun así, se queda en «condiciones óptimas» sin decir qué entiende por óptimo. Notta, Jamie, JotMe y TranSync no mencionan la condición de audio en absoluto, y ninguna de las seis indica si su cifra se midió en CPU o en GPU, algo que afecta directamente a cuánto tarda el acta en estar lista.

Transcribir en varios idiomas no es lo mismo que identificar quién habla y en qué idioma

Imagine una reunión con un responsable en Madrid que habla en español, un gestor de cuentas en Múnich que habla en alemán y un cliente en Varsovia que responde en inglés con acento. Un motor que asigna un único idioma al archivo completo tiene que elegir uno de los tres, y las intervenciones en los otros dos quedan mal transcritas o directamente descartadas. Un motor que identifica el idioma por intervención etiqueta cada turno de palabra con su propia lengua, sin que el resto de la reunión se vea afectado.

De las seis fichas revisadas, dos sí explican algo de esto, aunque con matices. Fireflies documenta que su Multi-Language Mode hace «detección a nivel de palabra, lo que le permite transcribir con precisión los cambios de idioma dentro de la misma frase»; es la explicación más concreta del mercado, pero el modo está en fase beta, limitado a los planes Business y Enterprise, y cubre 60 o más idiomas frente a los «+100» de la cifra general, sin que la ficha diga en qué condición de audio midió esa precisión a nivel de palabra. Jamie, por su parte, dice que «transcribe en el idioma exacto hablado y genera notas en el idioma predominante», lo que apunta a una idea parecida a la identificación por intervención, pero no publica ni un porcentaje de precisión por idioma ni la condición en la que se midió: la única cifra de rendimiento que da es que entrega las notas «en 30 segundos», sin decir de qué duración de reunión ni en qué equipo.

JotMe añade un problema distinto: en la página dedicada a reuniones multilingües («cross-language-ai-meeting-notes») dice transcribir en «200+ idiomas» y generar notas en 21 de ellos; en la página en español («ai-meeting-notes/spanish») repite los «200+ idiomas» de transcripción, pero no da ninguna cifra de cuántos idiomas admite para las notas, limitándose a decir que el resumen puede salir en español. Dos páginas del mismo producto, dos niveles de detalle distintos sobre el mismo dato.

Cómo lo hace Owl: idioma por intervención

Qué significa «por intervención»

Owl identifica el idioma «intervención a intervención», no por archivo completo: cada turno de palabra se evalúa por separado, lo que permite reconocer el cambio de idioma dentro de una misma reunión sin configuración previa. Si el responsable de Madrid empieza en español y usa un término en inglés porque así lo dijo el cliente, ese préstamo lingüístico se conserva tal cual se dijo, en lugar de forzarse a un único idioma de salida. El motor reconoce 19 idiomas: español, inglés, portugués, francés, italiano, alemán, neerlandés, polaco, catalán, euskera, gallego, rumano, ruso, árabe, turco, chino mandarín, japonés, coreano e hindi. La precisión se publica idioma por idioma —inglés 96,9 %, español 96,4 %, árabe 89,9 %, euskera 89,5 %— y se indica la condición de medición: «exactitud de palabra» sobre audio limpio de reunión, con una caída de entre 3 y 10 puntos cuando hay ruido, solapes largos o acento muy marcado. Esa condición de medición es, precisamente, la que la mayoría de fichas revisadas arriba no publican. Puede ver la tabla completa en la página de idiomas de Owl.

Qué necesita para funcionar

Identificar el idioma por intervención no es gratis en requisitos:

• Aviso de grabación visible para todos los asistentes: los cuatro modos de Owl avisan y dejan constancia de que se avisó; sin ese aviso, la API rechaza la reunión directamente.
• Audio razonablemente limpio: la propia tabla de precisión de Owl cae entre 3 y 10 puntos con ruido, solapes o acento marcado, así que un micrófono de mala calidad penaliza el resultado igual que a cualquier otro motor.
• Identificación de hablantes en tres capas: separación por origen del audio, nombres de los participantes y, de forma opcional, huella de voz para agrupar intervenciones de la misma persona entre reuniones. Esa huella es un dato biométrico, cifrado y específico de cada organización, y se borra al cerrar la cuenta.
• Tiempo de proceso real: en CPU, una hora de reunión tarda alrededor de 40 minutos en procesarse; en GPU el proceso es más rápido que el tiempo real de la reunión. El acta no se rellena al colgar: se rellena cuando el motor termina.

Esta forma de trabajar es la que sostiene el resto del producto de Owl: un acta donde cada decisión y cada tarea cita su minuto, también cuando esa frase se dijo en un idioma distinto al de la mayoría de la reunión, y que puede rellenar la ficha correspondiente en HubSpot, Pipedrive o Salesforce con el resumen, las objeciones y los próximos pasos una vez que el motor ha terminado de procesar.

Preguntas para hacer antes de elegir

Antes de firmar con cualquier proveedor —Owl incluido— conviene pedir respuesta concreta a esto:

1. ¿Esa cifra de idiomas es para transcripción, para traducción o para las notas finales? JotMe, por ejemplo, da una cifra de notas en una página de su sitio y ninguna en otra.
2. ¿En qué condición de audio se midió la precisión: limpio, con ruido de fondo, con solapes entre hablantes?
3. ¿El dato de velocidad o de precisión se obtuvo en CPU o en GPU?
4. ¿La detección de idioma es por archivo completo o por intervención, y reconoce el cambio dentro de la misma frase?
5. Si existe esa función, ¿está en producción estable o en beta, y en qué plan está incluida? Fireflies, por ejemplo, limita su modo multilingüe de detección por palabra a los planes Business y Enterprise.
6. ¿En qué idioma queda el acta o el resumen final cuando varias personas hablaron en idiomas distintos?
7. ¿Hay una tabla de precisión por idioma, o solo una cifra media de todo el conjunto?

Si una respuesta no viene con su condición de medición, no es un dato: es una cifra de marketing. Puede comparar punto por punto con la ficha de idiomas de Owl Equipo y Owl Negocio, y si lo que busca es cómo defender un acta frente a un competidor concreto, la comparativa con Fathom entra en el mismo nivel de detalle.

Preguntas frecuentes

¿Puede un transcriptor identificar cuándo cada persona cambia de idioma dentro de la misma reunión?

Depende de la herramienta y de la función concreta, no solo de la cifra general de idiomas. Fireflies lo hace mediante detección a nivel de palabra, pero en un modo separado, en fase beta y solo en los planes Business y Enterprise; Jamie dice transcribir «en el idioma exacto hablado», aunque sin publicar precisión por idioma ni condición de medición. Antes de dar por hecho que una herramienta lo resuelve, pida la demo con el caso real de su reunión.

¿Cuántos idiomas identifica Owl Meetings por intervención?

19 idiomas: español, inglés, portugués, francés, italiano, alemán, neerlandés, polaco, catalán, euskera, gallego, rumano, ruso, árabe, turco, chino mandarín, japonés, coreano e hindi, con precisión publicada idioma por idioma en idiomas.html. La lista se actualiza ahí; no la repetimos aquí por si cambia.

¿La transcripción multilingüe rinde igual en CPU que en GPU?

No. En CPU, una hora de reunión tarda alrededor de 40 minutos en procesarse. En GPU el proceso es más rápido que el tiempo real de la reunión. No tenemos todavía una cifra específica de cuánto más pesa, en tiempo de proceso, una reunión con cambios de idioma frecuentes frente a una monolingüe.

Contenido informativo. No sustituye al asesoramiento profesional sobre tu caso concreto.

Sigue leyendo

Grabar sin bot en la videollamadaNotetaker para Whereby: por qué el bot no entra y qué grabador funciona sin él

Whereby no tiene, a fecha de noviembre de 2026, una integración de calendario para notetakers externos, así que ningún bot se une solo a la sala. La alternativa real es grabar desde el navegador o la aplicación de escritorio: capta la reunión sin que nadie instale nada, distingue quién habla por micrófono y sistema, y cita cada frase al minuto.

6 nov 2026 · 7 min de lecturaDatos de la reunión bajo controlIdentificar quién habla en una reunión: diarización sin biometría frente a huella de voz

Identificar quién habla en una reunión se hace de dos formas: diarización por canal de audio (micrófono propio frente a audio del sistema, sin dato biométrico) o reconocimiento por huella de voz, que es un dato biométrico regulado por el artículo 9 del RGPD y debería estar desactivado por defecto.

5 nov 2026 · 6 min de lecturaGrabar reuniones sin botMezcla Estéreo no aparece en Windows 10: el arreglo y lo que no soluciona

Si Mezcla Estéreo no aparece en Windows 10, suele estar oculta o faltar el controlador: muestra los dispositivos ocultos en el panel de Sonido y actívala, o actualiza el controlador. Si la tarjeta no la incluye, necesitas un cable virtual o una app que capture el audio del sistema de forma nativa.

3 nov 2026 · 6 min de lectura